核心提示
2020年，我國數字經濟同比增長速度位居全球第一，已成為驅動經濟發展的新引擎。良好的數據治理能力是數據要素市場發展的必要保障，有助于數字經濟健康發展。為此，應建設全局化的數據管理體系及精細化的安全合規體系，推進人工智能等技術在數據治理中的應用，讓數據發揮更大價值。
數據治理面臨諸多挑戰
“數據治理”是對數據管理的管理。國際數據管理協會（DAMA）認為，數據治理是對數據資產管理行使權力和控制的活動集合，即制訂一套針對企業內部的數據商業應用和技術管理的規定及流程，并配以相應的實施手段，監督其實施。
隨著數字經濟的發展，企業數據量呈爆發式增長趨勢，數據流的快速增長推動數據治理進入深度變革調整期。如果把數據流比作河流，那數據治理就如同為洪水泛濫的江河修壩、筑堤、改道。良好的數據治理能力是數據要素市場發展的必要保障，是保證數據合理利用的基礎。對企業而言，開展數據治理工作，保證數據合規、順暢、清潔地流動，是企業數字化轉型成功的基本條件。目前，我國數據治理還面臨諸多挑戰。
● “數據煙囪”依舊存在
當前，各行業、企業建設了大量的信息化系統，但往往是從單業務線條角度建設，而非從企業資源統籌的角度建設。建設時，原有的業務、專業壁壘等被同時引入系統建設，導致“數據煙囪”林立，跨專業、跨系統、跨層級數據鏈路不暢通，需要后期花費高昂的成本去整合數據。
● 數據管理能力有待進一步提升
部分企業數據管理能力不足，對數據架構缺少管控，缺乏統一的核心主數據標準和管理平臺。同一類型的數據存在多頭錄入現象且沒有統一標準，造成數據不一致、不完整等問題。一些重要且質量可靠的業務數據沒有得到有效應用，數據沒有跑起來、活起來。
● 數據安全合規面臨嚴峻挑戰
隨著《中華人民共和國網絡安全法》《中華人民共和國數據安全法》等法律以及《信息安全技術個人信息安全規范》的頒布實施，我國對數據安全合規的監管越來越嚴格。數據安全成為企業運營的“紅線”。如何在滿足數據安全合規和信息保護要求的前提下實現數據高效應用和利用，是每個企業必須面對的問題。
● 數據文化氛圍還需進一步營造
數據治理是一項基礎性工程，是涵蓋企業戰略、組織架構、數據標準、管理規范、數據文化、技術工具的綜合體，依賴于決策層的統一規劃，以及業務人員、數據治理人員和信息技術人員的通力合作。很多企業在實施數據戰略過程中，忽視了數據文化的建設，出現支持力度不足、缺乏相關的數據治理組織、業務人員對數據治理重視度不足、數據治理工作定位不清晰等問題。
從七方面入手推進數據治理
國家電網有限公司每天產生海量、多元的數據。數據治理是保障公司數字化轉型的關鍵因素。在組織保障、管理制度、治理體系、數據建模、數據安全、數據操作等方面，公司已開展了大量工作。抓好數據治理工作，應從以下7個方面入手。
強化組織保障。數據治理組織是各項數據治理工作開展的基礎，需建立完善的組織架構及流程機制，在數據管理和數據應用中行使規劃和控制職責，推動各項數據治理工作執行，確保數字化轉型目標落地落實。目前，公司已在總部、省級電力公司、市供電公司3個層面設立專業部門負責數字化轉型工作，形成了層次清晰、高效協同的數據治理組織體系；組建國網大數據中心專門開展數據運營、數據治理等工作，提升了公司數據管理和應用能力。
建設分配流轉體系。只有建立了有效的要素分配依據、流轉責任管理體系等，才能公平、公正、高效地發揮數據作為生產要素的價值。認責和確權是分配流轉體系建立的基礎。目前，公司初步構建了“數據認責工作方法”，正在推進公司權威源的認定工作，實現數據確權確責，強化數據要素的管理。
構建完善的數據管理制度。應明確數據治理的目標、原則、任務、工作方式、具體措施等，保障數據治理規范化運行。公司已發布數據管理辦法、數據管理能力成熟度模型、數據共享“負面清單”實施細則等，構建起完善的數據制度體系，促進數據共享應用。
建設統一的數據管理匯聚交換平臺。為了規范數據互操作、實現數據可靠存儲和交互，需建設統一的數據匯聚交換平臺，以實現數據要素按需、合規、安全流動，降低數據交易的成本。公司已建成數據資源目錄，實現了對于數據描述（元數據）的統一納管；建設了數據中臺，對數據進行統一匯聚及分析應用，實現了數據的同源應用、統一存儲和規范操作。
建立數據質量管理機制。數據質量問題牽涉面廣。由于數據流轉鏈路長和數據應用較多，數據質量問題的定位及解決較難，需建立相應的機制確保各參與方及時了解數據工作相關制度、標準和數據治理工作進展，協同處理問題，減少技術問題的發生。
目前，公司建成總部-省公司兩級數據協同治理體系；構建了兩級數據中臺數據狀態質量監測體系，實現在用數據一致性、完整性和及時性接近100%；研發了基于人工智能的數據治理技術，提升源端治理服務能力。
建立企業一體化數據架構管控體系。以企業要素流轉分配視角開展數據管理應用、構建一體化的數據架構體系是數據治理的關鍵環節。公司以協同設計、源頭應用、機制建設為重點，開展統一數據模型在各業務系統和兩級數據中臺的落地應用，建立了統一數據模型與源端業務系統協同設計機制，從源頭推動數據模型架構統一；開展主數據管理成熟度評估，推動主數據在各業務環節中的貫通，實現數據融合和高效共享。
構建數據安全治理體系。公司以國家法律法規和相關政策為指引，結合自身數據采集、傳輸、存儲、處理、交換、銷毀等全生命周期情況，推進數據分級分類工作；嚴格數據安全合規管控，在數據業務發展中明確合規底線；以促進數據安全開放共享為目標，構建數據安全防護體系，全面做好數據全生命周期安全防護。
數據治理向全局化、精細化、智能化發展
數據治理工作在管理上正向全局化、精細化轉變，在技術上正向智能化方向發展。
● 建設全局化的數據管理體系及精細化的安全合規體系
隨著數字化轉型的深入，數據已不是某一方或者數據組織的問題，而是人人需要參與、人人有權利、人人有相應責任的一項工作。應結合數據全生命周期及分級分類情況，全面推進數據認責及確權，保證相應責任落實到人；落實源端治理，推進數據管理能力和數據質量進一步提升。同時，強化企業一體化數據架構管控，以企業級視角推進核心數據資源體系建設，進一步打破數據壁壘，實現核心數據的企業級管理。
應結合國家層面頂層設計和數據安全合規法律法規建設情況，不斷完善企業數據安全監管手段；落實數據全生命周期各環節的安全主體責任，強化數據接入、使用、共享等關鍵環節的安全管控；加強政企協同，強化數據安全舉措，維護數據保密性和可控性。針對敏感數據制訂嚴密防護舉措，構建共享數據“隔離帶”，確保敏感數據絕對安全。
● 推進數據科學及人工智能在數據治理領域的應用
目前，數據治理被廣泛認為是數據科學和人工智能的前置環節。然而，數據科學方案和人工智能技術在數據治理上的應用依然有限。
應推進數據統計、數據可視化、知識圖譜、機器學習等在元數據管理和元數據可靠性分析、數據質量分析、數據安全管理等方面的深入應用，通過梳理元數據故事、質量故事和數據安全故事，輔助專業人士更好地完成數據治理工作。
數據治理相關工作需要相當大的人力投入。人工智能技術可大幅減少業務人員的工作量，把人的工作由梳理變為確認、由確認進一步轉變為規則化審核，減少由于人為參與數據治理產生的各類錯誤，實現數據處理過程自動可靠。
（作者單位：國家電網有限公司大數據中心）
作者：姚黎明 王磊
評論